libra 558 Опубликовано 15 Октября 2019 Жалоба Опубликовано 15 Октября 2019 1 час назад, Rais сказал: Это Вы Владимиру Орестовичу скажите, ведь это по его словам: Сами поняли, что написали? Цитата
libra 558 Опубликовано 15 Октября 2019 Жалоба Опубликовано 15 Октября 2019 Задам вопрос (ну хоть поржать) величины Х и У, в примере, зависимые? Цитата
libra 558 Опубликовано 15 Октября 2019 Жалоба Опубликовано 15 Октября 2019 3 часа назад, Rais сказал: и где в этом примере r = 1? Если посмотреть вначале топика, то можно обнаружить: Учитывая, что получить удовлетворительные оценки коэффициентов корреляции практически довольно трудно, используют следующий прием: при считают, что , при полагают Цитата
Rais 51 Опубликовано 16 Октября 2019 Автор Жалоба Опубликовано 16 Октября 2019 (изменено) 18 часов назад, libra сказал: Там где r=0,99984 Смотрите руководящие документы Если я правильно понял, то Вы считаете что 0,99984 это значение коэффициента корреляции? В таком случае, рекомендую ознакомиться со справкой Excel для функции которую Вы применили - ЛГРФПРИБЛ и убедиться что 0,99984 это значение коэффициента b, а 1,007725 это значение коэф. m функциональной зависимости y=b*m^x. При этом коэффициент детерминированности r^2 равен 0,03. 18 часов назад, libra сказал: Сами поняли, что написали? Конечно, а Вы? 16 часов назад, libra сказал: Задам вопрос (ну хоть поржать) величины Х и У, в примере, зависимые? Да, слабо коррелированы, с коэф. корреляции равным 0,647 Встречный вопрос. Значения y и х коррелированы? x y 0 0 1 0,841471 2 0,909297 3 0,14112 4 -0,7568 5 -0,95892 6 -0,27942 7 0,656987 8 0,989358 9 0,412118 10 -0,54402 11 -0,99999 12 -0,53657 13 0,420167 14 0,990607 15 0,650288 16 -0,2879 17 -0,9614 18 -0,75099 19 0,149877 20 0,912945 21 0,836656 22 -0,00885 23 -0,84622 24 -0,90558 25 -0,13235 26 0,762558 27 0,956376 28 0,270906 29 -0,66363 30 -0,98803 31 -0,40404 32 0,551427 33 0,999912 34 0,529083 35 -0,42818 Почему все время тема обсуждения уходит в сторону? Я ни когда не спрашивал как сосчитать коэффициент корреляции, я интересовался как обнаружить корреляцию не статистическими методами, причем даже не значения коэффициентов или что-то еще, а само явление. Даже привел пример того, когда она возникает. Нужен совет практика, который бы наблюдал, что при сравнении с эталоном некоторые СИ всегда врут в одну и ту же сторону в разных точках шкалы измерений или наоборот, сказал бы что всегда отклонение гуляет, или что для одних СИ так, а для других СИ иначе. Обратите внимание на Пример 2 п. F.1.2.3 и Пример п. 5.2.2 ГОСТ Р 54500.3 (сейчас есть ГОСТ, но содержание тоже) не применяя никаких статистических методов выявили корреляцию. Несколько видоизменённым я приводил этот пример выше. Изменено 16 Октября 2019 пользователем Rais Цитата
libra 558 Опубликовано 16 Октября 2019 Жалоба Опубликовано 16 Октября 2019 7 часов назад, Rais сказал: Да, слабо коррелированы, с коэф. корреляции равным 0,647 То есть вы не можете однозначно утверждать о зависимости у от х в примере, основываясь на коэффициенте линейной регрессии? А формула зависимости то простая у=е^x. Цитата
libra 558 Опубликовано 16 Октября 2019 Жалоба Опубликовано 16 Октября 2019 7 часов назад, Rais сказал: Встречный вопрос. Значения y и х коррелированы? x y 0 0 1 0,841471 2 0,909297 3 0,14112 4 -0,7568 5 -0,95892 6 -0,27942 7 0,656987 8 0,989358 9 0,412118 10 -0,54402 11 -0,99999 12 -0,53657 13 0,420167 14 0,990607 15 0,650288 16 -0,2879 17 -0,9614 18 -0,75099 19 0,149877 20 0,912945 21 0,836656 22 -0,00885 23 -0,84622 24 -0,90558 25 -0,13235 26 0,762558 27 0,956376 28 0,270906 29 -0,66363 30 -0,98803 31 -0,40404 32 0,551427 33 0,999912 34 0,529083 35 -0,42818 Вероятность описания зависимости линейным уравнением низкая Цитата
libra 558 Опубликовано 16 Октября 2019 Жалоба Опубликовано 16 Октября 2019 7 часов назад, Rais сказал: Обратите внимание на Пример 2 п. F.1.2.3 и Пример п. 5.2.2 ГОСТ Р 54500.3 (сейчас есть ГОСТ, но содержание тоже) не применяя никаких статистических методов выявили корреляцию. Несколько видоизменённым я приводил этот пример выше. Зависимость Ri от Rs описывается линейным уравнением! Цитата
Rais 51 Опубликовано 17 Октября 2019 Автор Жалоба Опубликовано 17 Октября 2019 В 14.10.2019 в 15:45, libra сказал: если "у" зависит от "х" , то r всегда 1 18 часов назад, libra сказал: То есть вы не можете однозначно утверждать о зависимости у от х в примере, основываясь на коэффициенте линейной регрессии? А формула зависимости то простая у=е^x. Как у Вас укладываются в голове эти две мысли? Вроде y функция от х, но в тоже время коэффициент корреляции не равен 1. 18 часов назад, libra сказал: Вероятность описания зависимости линейным уравнением низкая Так об этом я Вам сразу сказал: В 15.10.2019 в 11:38, Rais сказал: Коэффициент корреляции (ковариация) показывает меру линейной зависимости. Какой вывод можно сделать из всего этого? Что коэффициент корреляции близкий к нулю, рассчитанный статистическим методом, еще не означает что величины не коррелированы! Поэтому для выявления корреляции я и пришел на форум за практическим советом. А тут Excel, сайты и т.п. Эххх! Цитата
libra 558 Опубликовано 17 Октября 2019 Жалоба Опубликовано 17 Октября 2019 14 минут назад, Rais сказал: Как у Вас укладываются в голове эти две мысли? Вроде y функция от х, но в тоже время коэффициент корреляции не равен 1. Легко. Вы просто потеряли суть того, что коэффициент корреляции для линейной регрессии Справка Excel^ Уравнение для коэффициента корреляции имеет следующий вид: где x и y — выборочные средние значения СРЗНАЧ(массив1) и СРЗНАЧ(массив2). Ковариа́ция (корреляционный момент, ковариационный момент) — в теории вероятностей и математической статистике мера линейной зависимости двух случайных величин. Приведенная выше формула это корреляционный коэф, Пирсона Ну и дальше Свойства коэффициента корреляции[править | править код] Неравенство Коши — Буняковского: если принять в качестве скалярного произведения двух случайных величин ковариацию {\displaystyle \langle X,Y\rangle =\mathrm {cov} (X,Y)}, то норма случайной величины будет равна {\displaystyle \|X\|={\sqrt {\mathrm {D} [X]}}}, и следствием неравенства Коши — Буняковского будет: {\displaystyle -1\leqslant \mathbb {R} _{X,Y}\leqslant 1}. Коэффициент корреляции равен {\displaystyle \pm 1} тогда и только тогда, когда {\displaystyle X} и {\displaystyle Y} линейно зависимы (исключая события нулевой вероятности, когда несколько точек «выбиваются» из прямой, отражающей линейную зависимость случайных величин): Цитата
libra 558 Опубликовано 17 Октября 2019 Жалоба Опубликовано 17 Октября 2019 55 минут назад, Rais сказал: Какой вывод можно сделать из всего этого? Что коэффициент корреляции близкий к нулю, рассчитанный статистическим методом, еще не означает что величины не коррелированы! Поэтому для выявления корреляции я и пришел на форум за практическим советом. А тут Excel, сайты и т.п. Эххх! Раз линейная регрессия не подошла- пробуйте нелинейную. О чем повторяю вторую страницу. Здесь другие показатели качества: корреляционное отношение и средняя относительная ошибка прогнозирования. Где расчетные по формуле значения сравниваете с экспериментальными. Цитата
libra 558 Опубликовано 17 Октября 2019 Жалоба Опубликовано 17 Октября 2019 Один из подходов-"Построение нелинейных зависимостей, приводимых к линейным при замене переменных" есть в Приложении 3 книги Лячнев, Валентин Васильевич. Фундаментальные основы метрологии : учебное пособие / В. В. Лячнев, Т. Н. Сирая, Л. И. Довбета ; под ред. В. В. Лячнева. - Санкт-Петербург : ЭЛМОР, 2007. - 420 с. : ил., табл.; 22 см.; ISBN 5-7399-0137-5 (В пер.) Линеаризируете и тогда используете МНК. Только нормальность распределения для МНК надо доказать. Цитата
libra 558 Опубликовано 18 Ноября 2019 Жалоба Опубликовано 18 Ноября 2019 (изменено) Поправочка https://ru.wikipedia.org/wiki/Коэффициент_детерминации И да-да синусоидальная регрессия Изменено 18 Ноября 2019 пользователем libra Цитата
Dom3n3c 150 Опубликовано 18 Ноября 2019 Жалоба Опубликовано 18 Ноября 2019 3 минуты назад, libra сказал: И да-да синусоидальная регрессия Пишут "файл не найден" Цитата
libra 558 Опубликовано 18 Ноября 2019 Жалоба Опубликовано 18 Ноября 2019 Только что, Dom3n3c сказал: Пишут "файл не найден" не поборол через буфер обмена Цитата
Rais 51 Опубликовано 20 Ноября 2019 Автор Жалоба Опубликовано 20 Ноября 2019 В 18.11.2019 в 13:12, libra сказал: Поправочка https://ru.wikipedia.org/wiki/Коэффициент_детерминации И да-да синусоидальная регрессия К чему это? Цитата
libra 558 Опубликовано 20 Ноября 2019 Жалоба Опубликовано 20 Ноября 2019 В 14.10.2019 в 21:28, Rais сказал: Не согласен. Вы не учли как раз коррелированность между del_xi, обусловленную применением одного и того же калибратора при калибровке данных СИ. Тоже не согласен. Рассчитайте коэффициент корреляции для функции вида y=sin(x), при больших значениях х. А как понять для приведенного примера что они случайные. Как видите, корреляция не всегда выявляется статистически. Разница крайне незначительна, и там и там применяется один и тот же аппарат математической статистики. В 18.11.2019 в 17:12, libra сказал: Поправочка https://ru.wikipedia.org/wiki/Коэффициент_детерминации И да-да синусоидальная регрессия Только что, Rais сказал: К чему это? А тому, что для вашего варианта есть синусоидальная Регрессия. Оценивайте через МНК. Цитата
Rais 51 Опубликовано 20 Ноября 2019 Автор Жалоба Опубликовано 20 Ноября 2019 3 часа назад, libra сказал: А тому, что для вашего варианта есть синусоидальная Регрессия. Оценивайте через МНК. Ах вот Вы о чем. А я то уж было подумал, что Вы разобрались чем отличается коэффициент корреляции от коэффициента детерминации. Ну ничего, не страшно, не переживайте. И чего это вы вдруг вспомнили об этой теме, аж после месяца молчания. Вас не смутило, что в своем вопросе я Вам в явном виде написал вид функциональной зависимости. Поэтому Ваше утверждение, что для предложенной зависимости есть синусоидальная регрессия не более чем подтверждение известной информации. Вы бы еще сказали что для функциональной зависимости y=ax+b, применять линейную регрессию. В своем первом сообщении Вы написали: Цитата посчитать коэффициент корреляции между величинами х1 и х2. подразумевая, что этого достаточно для выявления корреляции между двумя переменными. Я показал несостоятельность этого утверждения на примере зависимости y=sin(x). Больше к Вам вопросов по теме корреляции не имею. Не утруждайтесь отвечать, помру дураком и неучем. P.S. Тему можно закрывать. Цитата
libra 558 Опубликовано 20 Ноября 2019 Жалоба Опубликовано 20 Ноября 2019 4 часа назад, Rais сказал: Ах вот Вы о чем. А я то уж было подумал, что Вы разобрались чем отличается коэффициент корреляции от коэффициента детерминации. Ну ничего, не страшно, не переживайте. И чего это вы вдруг вспомнили об этой теме, аж после месяца молчания. Вас не смутило, что в своем вопросе я Вам в явном виде написал вид функциональной зависимости. Поэтому Ваше утверждение, что для предложенной зависимости есть синусоидальная регрессия не более чем подтверждение известной информации. Вы бы еще сказали что для функциональной зависимости y=ax+b, применять линейную регрессию. В своем первом сообщении Вы написали: подразумевая, что этого достаточно для выявления корреляции между двумя переменными. Я показал несостоятельность этого утверждения на примере зависимости y=sin(x). Больше к Вам вопросов по теме корреляции не имею. Не утруждайтесь отвечать, помру дураком и неучем. P.S. Тему можно закрывать. Ну вы хоть учебники бы открыли. Или никак? там и прочитаете, что в большинстве случаев достаточно применять линейную регрессию. Или никак до библиотеки не дойдете? А кстати корреляцию применяют не только для линейной, но и для степенной регрессий, логарифмической, экспоненциальной. Там и узнаете, что и коэффиициент детерминации применяют не для всех регрессий. А ну у вас же по единственной точке регрессия Цитата
Dom3n3c 150 Опубликовано 21 Ноября 2019 Жалоба Опубликовано 21 Ноября 2019 12 часов назад, libra сказал: А ну у вас же по единственной точке регрессия А такое возможно? Цитата
libra 558 Опубликовано 21 Ноября 2019 Жалоба Опубликовано 21 Ноября 2019 5 часов назад, Dom3n3c сказал: А такое возможно? В 01.10.2019 в 11:24, Rais сказал: Предположим, что есть только по одному значению каждой величины. Автору темы виднее. Цитата
Rais 51 Опубликовано 22 Ноября 2019 Автор Жалоба Опубликовано 22 Ноября 2019 В 21.11.2019 в 14:13, libra сказал: Автору темы виднее. Ну Вы и стрелочник. Это же Ваше утверждение: В 20.11.2019 в 20:05, libra сказал: по единственной точке регрессия И это Вы предлагали строить регрессии и т.п. Я лишь дал исходные данные и поставил вопрос. Цитата
libra 558 Опубликовано 22 Ноября 2019 Жалоба Опубликовано 22 Ноября 2019 5 часов назад, Rais сказал: Ну Вы и стрелочник. Это же Ваше утверждение: И это Вы предлагали строить регрессии и т.п. Я лишь дал исходные данные и поставил вопрос. В 01.10.2019 в 13:19, libra сказал: В формулах расчета присутствует СКО. Значит количество значений как минимум 4 каждой величины. В 20.11.2019 в 20:05, libra сказал: А ну у вас же по единственной точке регрессия Неважный из вас манипулятор, скорее комичный персонаж! Обрезав смайлик пробуете повернуть в "свою" сторону. Ну так не дураки же тему читают. Жгите дальше! Цитата
libra 558 Опубликовано 22 Ноября 2019 Жалоба Опубликовано 22 Ноября 2019 В 01.10.2019 в 11:24, Rais сказал: Предположим, что есть только по одному значению каждой величины. В 15.10.2019 в 11:38, Rais сказал: Так собственно мой изначальный вопрос и был в том - как определять коррелированность если нет статистики. Напоминаю если память коротка Цитата
48 сообщений в этой теме
Рекомендуемые сообщения
Присоединиться к обсуждению
Вы можете ответить сейчас, а зарегистрироваться позже. Если у вас уже есть аккаунт, войдите, чтобы ответить от своего имени.